醫學圖像配準是醫學圖像分析的基本課題 ,具有重要理論研究和臨床套用價值。
基本介紹
- 中文名：醫學圖像配準
- 外文名：medical image registration
- 專業：醫學圖像分析
基本概念,基本變換,類型,方法,原理,方法,評估,
基本概念
在做醫學圖像分析時 ,經常要將同一患者幾幅圖像放在一起分析 ,從而得到該患者的多方面的綜合信息 ,提高醫學診斷和治療的水平。對幾幅不同的圖像作定量分析 ,首先要解決這幾幅圖像的嚴格對齊問題 ,這就是我們所說的圖像的配準。醫學圖像配準是指對於一幅醫學圖像尋求一種 (或一系列 )空間變換 ,使它與另一幅醫學圖像上的對應點達到空間上的一致。 這種一致是指人體上的同一解剖點在兩張匹配圖像上有相同的空間位置。 配準的結果應使兩幅圖像上所有的解剖點 ,或至少是所有具有診斷意義的點及手術感興趣的點都達到匹配。
醫學圖像配準技術是 90年代才發展起來的醫學圖像處理的一個重要分支。醫學圖像配準技術主要討論的是數據獲取後的( post-acquisition)配準 ,也稱作回顧式配準( retrospective registration)。當前 ,國際上關於醫學圖像配準的研究集中在斷層掃描圖像( tomographic images, 例 如CT、 MRI、SPECT、 PET 等 )及時序圖像 ( time seriesimages,例如 fMRI及 4D心動圖像 )的配準問題。
基本變換
對於在不同時間或 /和不同條件下獲取的兩幅圖像配準 ,就是尋找一個映射關係P ,使圖像1上的每一個點在圖像2 上都有唯一的點與之相對應。 並且這兩點應對應同一解剖位置。 映射關係 P表現為一組連續的空間變換。 常用的空間幾何變換有剛體變換( Rigid body transformation )、 仿射變 換( Affine transformation)、投影變換 ( Projective transformation)和非線性變換 ( Nonlineartransformation)。
( 2)仿射變換: 仿射變換將直線映射為直線 ,並保持平行性。具體表現可以是各個方向尺度變換係數一致的均勻尺度變換或變換係數不一致的非均勻尺度變換及剪下變換等。 均勻尺度變換多用於使用透鏡系統的照相圖像 ,在這種情況下 ,物體的圖像和該物體與成像的光學儀器間的距離有直接的關係 ,一般的仿射變換可用於校正由 CT 台架傾斜引起的剪下或 MR梯度線圈不完善產生的畸變。
( 4)非線性變換: 非線性變換也稱做彎曲變換 (curved transformation) ,它把直線變換為曲線。 使用較多的是多項式函式 ,如二次、三次函式及薄板樣條函式。 有時也使用指數函式。 非線性變換多用於使解剖圖譜變形來擬合圖像數據或對有全局性形變的胸、腹部臟器圖像的配準。
類型
根據成像模式的不同 ,以及配準對象間的關係等 ,醫學圖像配準可有多種不同的分類方法。
按成像的模式分類
由於成像的原理和設備不同 ,存在有多種成像模式 (imaging modalities)。 從大的方面來說 ,可以分為描述生理形態的解剖成像模式 ( anatomical imaging modality )和描述人體功能或代謝的功能成像模式 ( functionalimaging modality )
( 1)單模 ( monomodality )醫學圖像配準: 是指待配準的兩幅圖像是用同一種成像設備獲取的。
( 2)多模 ( multimodality)醫學圖像配準:是指待配準的兩幅圖像來源於不同的成像設備。
按受試對象分類
待配準的圖像可以是同一個人的 ,屬於患者自身圖像配準 (intra-subject)。對同一病人在不同時間獲取同一器官或解剖部位的圖像 ,可以用於對比 ,從而監視疾病的發展及治療過程。如果沒有局部的組織切除 ,這種配準一般用剛體變換就可以了。除此之外 ,有時要將被試者的圖像與典型正常人相同部位的圖像對比 ,以確定被試者是否正常;如果異常 ,也許還要與一些疾病的典型圖像對比 ,確定患者是否屬於同類。 這些都屬於不同人間的圖像配準 (inter-subject)。由於個體解剖的差異 ,後者的配準顯然要難於前者。
圖像與圖譜配準 ( Atlas Method)或與物理空間配準
由於不同人在生理上存在差異 ,同一解剖結構的形狀、大小、位置都會很不相同 ,這就使不同人的圖像配準問題成為當今醫學圖像分析中的最大難題。 在對比和分析不同的醫學圖像時 ,很難精確找出對應的解剖信息。這要求有一個詳細標記人體各個解剖位置的計算機化的標準圖譜。 常見的方法大致有兩類: 一是藉助一個共同的標準來比較 ,例如要對兩個病人的 PET 或 MR圖像進行比較 ,首先要把二者的圖像都映射到一個共同的參考空間去 ,然後在此空間中對二者進行比較 ,目前使用較多的是 Talairach標準空間 ,可以對不同的人腦圖像進行比較；二是非線性形變法 ,模仿彈性力學方法 ,將一個人的 3D圖像逐步變換 ,使它最終能較好地與另一個人的3D圖像最佳匹配。
方法
原理
方法
（1)點法 ( Point Method): 又分內部點( Intrinsic points)及外部點 ( Extrinsic points)。內部點是從與病人相關的圖像性質中得到的 ,如解剖標誌點 ( anatomical landmarkpoints)。解剖標誌點必須是在三維空間定義的 ,並在兩種掃描模式的圖像中可見。
原則上外部點法可用於配準任何模式的圖像 ,而且外部點在醫學圖像中要比內部點好識別得多 ,通過比較圖像中記號的位置對配準結果也易於視覺檢測;缺點是在使用這些記號時 ,受試者都要在掃描裝置內嚴格保持不動 ,有些還是介入性的。
( 3)表面法 ( Surface Method): 基於表面的配準技術典型的例子是Pelizzari 和Chen研究的“頭帽法”。從一幅圖像輪廓提取的點集稱作帽子 (`hat’ ) ,從另一幅圖像輪廓提取的表面模型叫作頭 (`head’ )。 一般用體積較大的病人圖像 ,或在圖像體積大小差不多時用分辨較高的圖像來產生頭表面模型。
( 4)矩和主軸法 ( Moment and PrincipalAx es M ethod): 借用經典力學中物體質量分布的概念 ,計算兩幅圖像像素點的質心和主軸 ,再通過平移和旋轉使兩幅圖像的質心和主軸對齊 ,從而達到配準的目的。
( 5)相關法 ( Correlatiom Method): 對於同一物體由於圖像獲取條件的差異或物體自身發生的小的改變而產生的圖像序列 ,採用使圖像間相似性最大化的原理實現圖像間的配準,
( 6)最大互信息配準法 ( Maximizatio n ofMutual Info rmatio n): 互信息是資訊理論的一個基本概念 ,是兩個隨機變數統計相關性的測度。 Woods使用給出參考像後測試圖像的條件熵作為配準的測度。他研究的 AIR是一種廣泛套用於 PET到 MR圖像配準的算法 ,
( 7)圖譜法 ( Atlas Method)與非線性變換技術: 不同人腦圖像的配準遠比同一個人的不同模式圖像的配準困難得多 ,這是因為每個人腦的形狀、尺寸都有很大的差異。如果我們將腦圖像作一定的尺度變換 ,並對深度內部結構適當取向後 ,就會發現不同人腦的解剖結構的大小和形狀方面還是具有一定的共性的。 這就使我們有可能構造一個解剖圖譜 ,其前提是受試者間腦的拓撲結構具有不變性。 由於在腦圖譜構建過程中有神經解剖學專家直接參與 ,利用腦圖譜進行配準 ,就可以利用圖譜所包含的先驗知識來對病人或其他人的圖像自動識別和正確地分割。
評估
醫學圖像配準 ,特別是多模醫學圖像配準結果的評估一直是件很困難的事情。 由於待配準的多幅圖像基本上都是在不同時間 /和條件下獲取的 ,所以沒有絕對的配準問題 ,即不存在什麼金標準 ( gold standard ) ,只有相對的最優 (某種準則下的 )配準。 在此意義上 ,最優配準與配準的目的有關。常用的評估方法有以下幾種:
( 1)體模 ( Phantom): 體模又有硬體體模和軟體體模之分 ,後者是計算機圖像合成結果。 體模法用已知的圖像信息驗證新配準算法的精度。由於體模都比較簡單 ,與實際臨床圖像差異較大 ,因此只能對配準方法作初步的評估。
( 2)準標 ( fiducial marks): 立體定向框架系統 ( Stereotactic Frame Systems)包括立體定向參考框架、立體定向圖像獲取、探針或手術器械導向幾部分。優點是定位準確 ,不易產生圖像畸變。
( 4)目測檢驗 ( visual inspection): 對多模醫學圖像配準的結果請領域專家用目測方法檢驗 ,聽起來有些主觀 ,但的確是一種相當可信的方法。
